减少 numpy 数组的第三维并对值求和

Question

我觉得这很简单，但我不太明白。我有一个大的 3d 数组，我想将第三个暗淡的部分减少一些，然后对这些值求和以达到减小的尺寸。一个可以得到我想要的东西的例子是：

import numpy as np

arr=np.ones((10,10,16))
processed_data=np.zeros((arr.shape[0], arr.shape[1]), dtype='object')
factor=2

for i in range(arr.shape[0]):
    for j in range(arr.shape[1]):
        processed_data[i][j]=arr[i][j].reshape(int(arr.shape[2]/factor),-1).sum(axis=1)

所以我们取最后一个维度，将其重塑为一个额外的维度，然后沿该维度求和。在上面的示例中，数据是一个全为 1 的 10x10x16 数组，因此当因子 = 2 时，我们得到一个 10x10x8 的数组，其中数据全为 2。我希望这说明了我正在努力实现的目标。如果因子变为 4，我们将得到一个 10x10x4 的数组。

这种方法并不理想，因为它涉及创建一个单独的 processed_data 'object' 数组，我宁愿将其保留为 3D 数组，只是减少了第三维。它还涉及迭代二维数组中的每个元素，我认为这是不必要的。而且真的很慢。

感谢任何帮助 - 我怀疑它是重塑和移调的结合，但我无法理解它。

谢谢。

Answer 1

我认为你可以对整个数据进行整形并求和：

arr.reshape(*arr.shape[:2], -1, 2).sum(axis=-1)

减少 numpy 数组的第三维并对值求和

Reduce 3rd dimension of numpy array and sum the values

python

arrays

transpose

numpy

reshape